<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Дослідження ефективності підбору гіперпараметрів згорткової нейронної мережі для розпізнавання рукописних цифр MNIST

Ескіз

Файли

30235.pdf (402,21 KB)

Дата

2026

Автори


Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

Анотація

The paper investigates the effectiveness of a convolutional neural network for handwritten digit recognition using the

Опис

Ключові слова

MNIST , CNN , Random Search , Genetic Algorithm , Keras , TensorFlow , MNIST , convolutional neural network , CNN , Random Search , Genetic Algorithm , Keras , TensorFlow , digit recognition , machine learning

УДК

004.8:004.932:519.6

Тип документа

Thesis

Мова

uk_UA

Є частиною

Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р.

ISSN

Бібліографічний опис

Лавренюк Є., Варчук І. В. Дослідження ефективності підбору гіперпараметрів згорткової нейронної мережі для розпізнавання рукописних цифр MNIST // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/30235.

URI

https://ir.lib.vntu.edu.ua/handle/123456789/52610

Зібрання

Молодь в науці: дослідження, проблеми, перспективи (МН-2026)

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (1)

  1. Digit Recognizer. Kaggle [Електронний ресурс]. – Режим доступу: https://www.kaggle.com/competitions/digitrecognizer TensorFlow Documentation. Keras API [Електронний ресурс]. – Режим доступу: https://www.tensorflow.org/api_docs/python/tf/keras Bergstra J., Bengio Y. Random Search for Hyper-Parameter Optimization. Journal of Machine Learning Research, 2012. Genetic Algorithm. Towards Data Science / Machine Learning Mastery [Електронний ресурс]. – Режим доступу: https://machinelearningmastery.com/simple-genetic-algorithm-from-scratch-in-python/ Pandas Documentation [Електронний ресурс]. – Режим доступу: https://pandas.pydata.org NumPy Documentation [Електронний ресурс]. – Режим доступу: https://numpy.org Matplotlib Documentation [Електронний ресурс]. – Режим доступу: https://matplotlib.org Seaborn Documentation [Електронний ресурс]. – Режим доступу: https://seaborn.pydata.org Scikit-learn Documentation. Metrics and train_test_split [Електронний ресурс]. – Режим доступу: https://scikitlearn.org